Sức mạnh giải thích của một biến


8

Tôi có mô hình hồi quy tuyến tính đơn giản. Điều tôi muốn tính toán là mức độ "quan trọng" của từng biến đầu vào của tôi tức là tạo ra một câu lệnh như thế nào:

"60% công suất dự đoán trong mô hình này đến từ biến var1, trong đó var2 và var3 lần lượt có 30% và 10%"

Tôi cần làm gì để tính các tỷ lệ phần trăm này?


3
Chính xác thì bạn có ý gì bởi "sức mạnh dự đoán"? Ví dụ, var3 có thể có mối tương quan cực kỳ cao với biến phụ thuộc trong một mẫu nhưng bạn có thể cần đưa ra dự đoán trong đó var3 sai lệch đáng kể so với các giá trị mà nó đạt được trong mẫu, do đó đưa ra dự đoán rất không chắc chắn. OTOH, var1 và var2 có thể có mối tương quan kém với DV, nhưng cùng nhau có thể hoạt động tốt cho các dự đoán dự định. Điều này chỉ ra rằng việc đo lường "sức mạnh dự đoán" đòi hỏi bối cảnh dự đoán cụ thể bên cạnh mô hình.
whuber

Câu trả lời:


10

Gói relaimpo R thực hiện chính xác những gì bạn muốn làm và nó cũng cung cấp các CIs bootstrap khi đánh giá sự đóng góp tương đối của từng yếu tố dự đoán vào tổng thểR2.

Một ví dụ về việc sử dụng có thể được tìm thấy ở phần cuối của hướng dẫn này: Bắt đầu với phương pháp tiếp cận hiện đại để hồi quy .


+1 cho câu trả lời dễ dàng để bỏ lỡ câu hỏi công thức. Bạn nên thêm rằng điều này chỉ hoạt động nếu số lượng dự đoán nhỏ hơn, giả sử, 50.
user603

@chl Kết quả (= thứ tự tầm quan trọng của các biến hồi quy) của RelaImpo thay đổi đáng kể so với kết quả của các giá trị beta không đạt tiêu chuẩn. Tôi tự hỏi tại sao - tất cả 14 biến hồi quy của tôi có cùng một số liệu (phạm vi 0 - 3), và mặc dù các phương tiện và độ lệch chuẩn khác nhau đáng kể giữa các triệu chứng, trọng lượng beta không đạt tiêu chuẩn sẽ cho kết quả tương tự như RelaImpo, hay không? Cảm ơn bạn.
Torvon
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.